3日(当地时间)在美国加利福尼亚州旧金山开幕的2025年美国经济学会(AEA)年会上,围绕正在带来破坏性创新的AI展开了深入讨论。当天以“AI与工作的未来(AI and the Future of Work)”为主题、历时2小时的分会场上,与会者超越AI带来的生产率提升或岗位替代等“常见主题”,提出了从经济学视角处理AI的方案。
作为首位发言人登场的卡内基梅隆大学计算机学院教授汤姆·米切尔强调,AI可通过劳动供需最优化为经济学的实证分析方法带来变革。米切尔教授是1997年在学界首次编写机器学习教科书的AI权威。
米切尔教授表示:“与政治人物谈AI时,最常听到的问题是‘劳动者真正需要的AI技术是什么’”,并解释称这随即引向对AI能如何影响政策决策的关注。
他预测,如果用AI对人才数据进行整合分析,就能根据人力需求提供最优教育,使雇主和雇员双方都获得最佳结果。这意味着可以最大化劳动灵活性。米切尔教授说:“如果构建国家就业数据资产,掌握各地区、各领域的劳动力过剩或不足,求职者就能明确了解为就业应学习哪些技能”,“如果能整合领英等招聘求职平台、ADP等掌握的薪资数据、大学掌握的求职生信息,并用AI加以分析,就能对人力问题给出‘真正的答案’。”
他认为,整合敏感就业信息虽有诸多先决课题,但最终可获得的收益更大。米切尔教授表示:“需要思考数据偏差、个人信息泄露、信息提供的激励机制设计等问题”,但同时称“如果能实时整合就业数据,像AI模型那样进行训练,并让研究人员可以访问,将极大改变经济学的实证研究方式,对未来预测和政策决策大有帮助”。
麻省理工学院斯隆管理学院教授约翰·霍顿提出了这样一种观点:决定是否使用AI本身就是一个经济学问题。霍顿教授指出:“AI有时能轻松解决高水平的数学问题,但对连小孩都能答对的问题却给出令人困惑的答案”,“这一问题使得难以明确界定AI创新的经济本质。”
霍顿教授表示:“当前生成式AI的使用方式是输入指令、判断产出是否达到可接受的高水准、若否则通过新指令加以修正的反复过程”,并指出“无法准确知道AI是否会取得良好成果”这一局限。他解释称:“判断AI给出的结果是否‘可接受’,正是经济学应处理的问题”,“因为根据产出的用途,可接受的标准点不同。”
最后,霍顿教授将其定义为:“是否使用AI的问题并不取决于单纯的技术能力,而是由人类独自完成,还是借助需要通过反复提问与回答来作出‘判断’的AI社会系统,哪一种更优的问题。”






